1、“.....基于卡尔曼滤波跟踪算法是主要方法，卡尔曼滤波和动态模板结合提高了跟踪效果。本文其余部分组织如下。第部分描述了算法。第部分展示了实验结果。第部分是得出结论。算法描述颜色直方图特征提取提取特征四种主要方法灰色直方图，颜色直方图，边缘直方图和纹理特征提取。本文我们考虑了颜色直方图作为特征提取目标模型研究。颜色空间光照易受照明影响。为了在个具体应用钟使用个好颜色空间，在颜色空间之间需要色彩转换。因此，空间被转换到空间......”。

2、“.....和是从到是从到是从到，是从到。在我们方法中和为非等间隔量化，然后三个颜色分量表示为维特征向量分为个层次。在这里，为图像特征向量，包含特征，和，图像中每个像素直方图对应,和三个颜色分量，因此定义是这样,其中和是个图像大小和分别为是和定量。被量化为进制和被量化为进制，在这里特征向量计算为,是中每个像素数目是直方图中各层次比例，是向量特征。滤波模型滤波有两个基本方程状态方程和测量方程......”。

3、“.....在方程和中，和代表测量噪声和过程噪声，状态向量，和代表物体运动时在轴和轴位置，和代表物体在轴和轴移动速度是状态转移矩阵，是控制矩阵，是单位矩阵，是观测矩阵，是测量矩阵。方程和方程构成了滤波目标跟踪系统，卡尔曼滤波方程分为两组时间更新和测量更新。时间更新方程ˆˆ测量更新方程ˆˆˆˆ动态模板当我们使用背景减除法检测目标，会因为阵，是观测矩阵，是测量矩阵。方程和方程构成了滤波目标跟踪系统......”。

4、“.....时间更新方程ˆˆ测量更新方程ˆˆˆˆ动态模板当我们使用背景减除法检测目标，会因为在跟踪过程中图像噪声影响和目标趋向出现改变而出现目标。选择适当模型与目标匹配是很有必要。在我们研究中我们使用动态模板来解决这个问题。我们考虑卡尔曼滤波预测结果作为下帧动态模板。动态模板用于从多个候选区域模型中检测出目标模型，选择基于图像相似性度量。它决定于动态模板和候选区域之间相似度......”。

5、“.....距离是有巴氏距离计算出来，它是由手段协方差决定，距离公式定义为,,其中是矩阵均值，是矩阵协方差，这里只需要或，当等于，和分别是目标模型均值和协方差，当等于，和分别是候选区域均值和协方差，代表行列式，在这里和是常数。代表转置，代表分解。基于动态跟踪算法描述模板和卡尔曼滤波跟踪算法流程图如图所示。首先，初始化数学参数模型。然后根据背景减法计算目标初始模型。我们可以提取颜色直方图表示背景特征......”。

6、“.....然后我们可以找到最大检测区域作为运动目标模板，记录目标模板中心位置，大小和颜色直方图信息，其中中心位置信息作为卡尔曼滤波器状态向量，包括中心坐标和速度，。然后，我们用卡尔曼滤波预测目标位置。预测计算方程是，和。其次，更新目标状态。它包括更新目标估计状态值和误差协方差矩阵下步，我们确定动态模板。把作为动态模板中心位置，动态模板大小与前帧目标模型相同。动态模板是下帧目标模型选择标准......”。

7、“.....我们,,,,,,,,,,,,,第帧第帧第帧第帧图高速公路跟踪结果图跟踪结果,,,,,,,,其中和是个图像大小和分别为是和定量。被量化为进制和被量化为进制，在这里特征向量计算为,是中每个像素数目是直方图中各层次比例，是向量特征......”。

8、“.....方程是状态方程方程是测量方程。在方程和中，和代表测量噪声和过程噪声，状态向量，和代表物体运动时在轴和轴位置，和代表物体在轴和轴移动速度是状态转移矩阵，是控制矩阵，是单位矩阵，是观测矩阵，是测量矩阵。方程和方程构成了滤波目标跟踪系统，卡尔曼滤波方程分为两组时间更新和测量更新。时间更新方程ˆˆ中文字,单词，英文字符出处,......”。

9、“.....许多被提出跟踪算法实现了克服噪声，遮挡，杂波，和前景目标或者背景环境变化困难。对于传统基于卡尔曼滤波跟踪算法，由于图像中背景噪声而有检测过程几个候选区域，从而导致在视频序列中或丢失目标跟踪结果。我们提出了个结合动态模板卡尔曼滤波目标跟踪算法......”。